换一批摘要针对目前基于数字人脑切片图像的分割算法较少，分割精度和有效性较低等不足，提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法。在特征提取阶段，采用从粗到精两级方式对 SAE 进行训练，以增强模型学习到的深度特征的鉴别能力；在分类阶段，使用 softmax 分类器进行目标分割。对中国可视化人体(CVH)数据集的脑白质分割及三维重建的实验结果表明，相对于其他传统的手工特征(如图像强度特征、方向梯度直方图特征和主成分分析特征)， SAE 提取的图像深度特征具有更强的鉴别能力，显著地提高了分割精度。
更多相关知识
关键词
中国可视化人体数据集脑组织分割稀疏自编码器深度特征softmax 分类器Chinese visual humanbrain tissue segmentationsparse autoencoderdeep-learning feature repre-sentationssoftmax classifier
分类号
TP391.41
栏目名称
DOI
10.3969/j.issn.1003-9775.2016.08.011
发布时间
2016-08-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览2
- 被引13
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
